| 研究課題/領域番号 |
19H04203
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
青西 亨 東京工業大学, 情報理工学院, 准教授 (00333352)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
17,030千円 (直接経費: 13,100千円、間接経費: 3,930千円)
2023年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2022年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2021年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2020年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2019年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
|
|---|
| キーワード | カルシウムイメージング / 自動細胞検出 / ニューロピル信号 / 動的モード分解 / 非負値行列因子分解 |
|---|
| 研究開始時の研究の概要 |
本研究で実施する課題は、以下の通りである。課題１：ニューロピル時空間動態のモデリング。課題２：ニューロピル時空間動態と細胞動態の関係性の解析。課題３：ニューロピル動態モデルを組み込んだ自動細胞検出器の構成。
課題１より、 大域的かつ複雑なニューロピル時空間動態を低自由度縮約し、その動的特性を明らかにする。課題２より、 ニューロピル動態を低自由度縮約して、細胞活動との関係性を明確にする。課題３：ニューロピル動態モデルを自動細胞検出器に組み込み、その性能を向上させる。
|
| 研究実績の概要 |
低計算コスト細胞検出アルゴリズム(LCCD)：我々が開発したLCCDをCaイメージングデータ解析ツールOptiNiStに組み込み， Github(https://github.com/oist/optinist)で公開した．
イメージングデータ解析の発展研究：ドーパミン (DA) がグルコース刺激によるインスリン分泌の負の調節因子として機能することが報告されている．ただし，その分子メカニズムは不明である， 我々は、全反射照明蛍光顕微鏡と我々の解析手法を用いて，初代培養膵島細胞におけるインスリン顆粒エキソサイトーシスを計測し，DA の影響を分析した（Diabetes, 71, 2022）．
プレパルス抑制(PPI)とは，先行して微弱な刺激を受けるとその後の刺激に対する驚愕反応が抑制される行動現象である．我々は，ショウジョウバエ幼虫におけるPPIの神経回路機序を数値シミュレーションによって調査を行った．既に同定されているハエ幼虫の神経回路モデル中の発見的に定められたパラメータを調整することで，同一のモデル，同一のパラメータによりPPIを含む複数の行動実験結果を再現できることを示した．そして，この神経回路モデルを用いてPPI発生時の各神経細胞の活動度の時間変化を解析することで，先行するprepulse刺激で誘発された特定の神経細胞の活性がPPIに強く関与している可能性を示唆し，その神経回路機序を示した． さらに， Cenutaurin gamma 1A変異体におけるPPI減弱の要因を推測し，その妥当性をシミュレーションにより示した．本研究の結果は，ショウジョウバエ幼虫におけるPPIの回路機序や精神疾患のPPI障害について有用な知見を与え，今後のPPI研究の指針の1つを与えるものである．本研究の成果を取りまとめて，Scientific Reports, 12, 2022に発表した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
コロナの影響により、オンラインによる研究室運営が中心となったため，学生や共同研究所との十分な意思疎通ができていない状況である．よって，研究の進捗が全般的に遅れている．
ディープラーニングモデル：
申請者は，ディープラーニングモデルによる細胞検出手法の開発を行っている．ディープラーニングモデルの研究に苦戦している．先行研究での報告を再現しようと試みたが，論文等に記載されていない処理部分が多数あるため，報告されているような高い細胞検出性能を再現できない状況に陥っている．他の手法の開発を優先的に行っている．
|
| 今後の研究の推進方策 |
多重解像度非負値行列の改良：申請者は，非負値行列因子分解(NMF)にもとづく自動細胞検出手法を開発してきた．今後もNMFを多重解像度に拡張した多重解像度NMFの改良発展を行う．これまでの多重解像度NMF は，同一対象から同一条件で解像度だけが異なるデータを対象としていた．多くの計測問題において、計測対象が同じであっても、この対象は時間とともに変化するため，全く同じ条件で解像度だけが異なるデータを取得するのは困難である．我々は，同一対象からの測定であるが条件が異なる多重解像度データの生成過程を多重解像度NMFの枠組みで定式化して，このモデルにおける因子行列計算を実現する新しいALS（Alternative Least Squares）アルゴリズムを構築する．そして，本手法により，測定条件が異なる多重解像度データの関係を抽出できることを示す．また，高画質画像のみを用いた通常のNMF と多重解像度NMFを比較することで，高画質画像のみを用いるより別サンプルの低画質画像も用いたほうが推定に有利であることを示す．我々が知るところ，NMFでこのような試みをした研究は存在しない．解像度が異なる多細胞活動イメージングデータに本手法を適用し，低空間解像度で高時間分解能のイメージングデータに対し，超解像が実現できるかを確認する．
動的モード分解（DMD）の適用：多細胞活動イメージングデータに DMD を適用する．これまでの研究で，多細胞活動イメージングデータより細胞集団活動とニューロピル信号が関連する動的モードを検出することができ，睡眠時と覚醒時で活動に関連するモードの数が変化することを確認できている．今後は細胞活動に注目し，睡眠時と覚醒時でのモードの変化の詳細を調査する．
|
